علی‌بابا نسخه جدید مدل ویدیوساز هوش مصنوعی خود، Wan 3.0، را با مجموعه‌ای از قابلیت‌های تازه عرضه کرده است؛ مدلی که علاوه بر متن و تصویر، می‌تواند از فایل‌هایی مانند PDF، اسلایدهای ارائه، صفحات گسترده و صفحات وب برای ساخت ویدیوهای کوتاه استفاده کند.
Wan ۳.۰ امکان تولید ویدیو تا ۳۰ ثانیه را فراهم می‌کند و در کنار تبدیل متن به ویدیو، از تولید فریم و حالت Reference نیز پشتیبانی می‌کند. کاربران می‌توانند برای کنترل بیشتر خروجی، تا ۱۰ تصویر، ۵ ویدیو و ۵ فایل صوتی را به‌عنوان مرجع در اختیار مدل قرار دهند.
یکی از قابلیت‌های مهم این مدل، حفظ هویت و ویژگی‌های شخصیت‌ها در صحنه‌های مختلف است. به این ترتیب، یک کاراکتر می‌تواند در موقعیت‌ها و روایت‌های متفاوت ظاهر شود، بدون اینکه ظاهر و ویژگی‌های اصلی آن به‌طور محسوسی تغییر کند.
Wan ۳.۰ همچنین به حالت Thinking مجهز شده که برای درخواست‌های پیچیده‌تر و پروژه‌هایی با چند ورودی مختلف طراحی شده است. این قابلیت به مدل اجازه می‌دهد پیش از تولید خروجی، ارتباط میان اطلاعات و عناصر مختلف را بهتر تحلیل کند.
علی‌بابا می‌گوید این مدل در تولید ویدیوهای کوتاه، محتوای تبلیغاتی و بازاریابی و همچنین موزیک‌ویدیو قابل استفاده است. نمونه‌های منتشرشده از Wan ۳.۰ نیز روی خروجی‌های واقع‌گرایانه و جزئیات بصری بالا تمرکز دارند.
تیم توسعه Wan برای بهبود کیفیت بصری مدل، علاوه بر توسعه داده‌های آموزشی متنوع‌تر، از همکاری متخصصان زیبایی‌شناسی و مشاوران حوزه خلاقیت نیز استفاده کرده است. هدف، آموزش مدل برای درک بهتر ویژگی‌های بصری و رسیدن به خروجی‌هایی با کیفیت هنری بالاتر عنوان شده است.
قابلیت استفاده هم‌زمان از متن، تصویر، ویدیو، صدا و حتی اسناد، Wan ۳.۰ را از بسیاری از ابزارهای ویدیوساز معمولی متمایز می‌کند. این رویکرد می‌تواند برای طراحان و تولیدکنندگان محتوا، امکان تبدیل مستقیم اطلاعات و محتوای خام به ویدیوی قابل استفاده را فراهم کند.